文档介绍：融合光流双目立体匹配算法探究摘要:立体匹配是双目立体视觉的非常重要的一个环节,也是最关键最困难的一步。针对现有算法的匹配准确性低,误匹配多等缺陷,提出了融合光流的匹配算法,该方法无需核心点的限制,因此我们将像素点间的边缘性研究主要在种子点集中的面积域中进行,而且在左右图像对中、前后的序列图像中都进行了研究,这样可以通过计算获得有图像序列候选点的光流,然后与左图像序列中的种子点进行匹配。关键词:双目立体视觉;立体匹配;光流中图分类号::A文章编号:1674-7712 (2013)20-0000-02一、引言双目立体视觉在机器人导航、微操作系统的参数检测、三维测量和虚拟现实等领域都有广泛的应用,它是计算机视觉的一个重要分支。它主要是由不同位置的左右两个摄像机同时获得同一场景的两幅图,通过计算空间点在两幅图像中的视差,获得该点的三维信息。立体匹配算法的目的就是找出左右图像对中的匹配点,进而获得距离信息,其基本原理就是从两个视点同时观察同一景物以获取立体像对,并匹配出相应像点,从而计算出视差并获得三维信息。考虑到光流这种运动速度,不仅包含了二维瞬时速度场,还可以反映可见点的三维速度矢量在成像表面得投影,提出了一种融合光流的立体匹配算法。该方法在基于区域相关匹配的基础上,求取左右运动目标的光流,用光流作为一种外加限制条件进行立体匹配。首先分别求取左右图像序列中垂直和水平方向上的光流,然后通过对右图像序列中候选点的光流的计算与左图像序列中的种子点进行匹配,进而提高了匹配的精度和准确度;而且该算法只选用边缘点进行匹配,这样简化了运算,提高了算法的运行速度。二、求取光流三、实验图1显示了在连续时间帧里获得的两对立体图像对,图2显示了在50帧时边缘检测结果。然后用这两幅图像中的边缘点作为种子点在第二个立体图像对(也就是下一帧)中寻找相关点,这样就可以在连续的图像序列中进行相关性研究。图3中给出了光流的计算,把每个边缘点的光流都分解为水平(X)和垂直(Y)方向的位移,其中(a),(b)图显示了左右图像的水平位移,而(c),(d)显示了垂直位移。采用融入光流的匹配方法,不仅测量了互相关系数,还测量了待估计的两点水平及垂直位移,这样就可以避免光照和摄像机本身移动的问题。视差图反应的是目标离摄像机的远近,离摄像机越近,视差越大,表现在灰度图中越亮,反之,离摄像机越远,视差越小,表现在灰度图中越暗。图4中的(a),(b)分别为没有融合光流和融合光流之后的视差图,从图中可以明显的发现,没有融